Künstliche Intelligenz in der Praxis Deutsche Wirtschaft: Disruptiv oder nur abwartend?

Anbieter zum Thema

Fsas Technologies GmbH

INFOMOTION GmbH

QUNIS GmbH

In einer Länderauswertung des globalen AI Reports hat EPAM Systems Inc. den aktuellen Status quo der Künstlichen Intelligenz (KI) in Deutschland untersucht: Reifegrad, Anwendungen, Investitionen und Gewinnerwartungen beim KI-Einsatz in großen Unternehmen.

Wie weit ist der KI-Einsatz in deutschen Großunternehmen wirklich? Eine neue Länderauswertung des globalen AI Reports von EPAM Systems zeigt ein differenziertes Bild: Während Deutschland beim allgemeinen Reifegrad nur im Mittelfeld liegt, ist der Anteil strategisch agierender KI-Disruptoren hierzulande so hoch wie nirgendwo sonst. Auf Grundlage einer Befragung von 856 Führungskräften in Unternehmen mit mehr als 10.000 Mitarbeitern analysiert die Studie Reifegrade, Anwendungsfelder, Investitionen und Geschäftsergebnisse rund um den KI-Einsatz in der deutschen Wirtschaft.

Reifegrad: Deutschland mit Spitzenwert bei Disruptoren

Im internationalen Vergleich liegt Deutschland beim allgemeinen Reifegrad im Mittelfeld. Doch ein Detail sticht hervor: Mit 8,41 Prozent hat Deutschland den höchsten Anteil an sogenannten „Disruptoren“ – Unternehmen, die KI strategisch und umfassend einsetzen. Zum Vergleich: In den USA liegt dieser Anteil bei lediglich 4,95 Prozent. Das deutet darauf hin: Während viele Unternehmen noch testen, etablieren einige deutsche Firmen KI bereits als integralen Bestandteil ihrer Wertschöpfung.

Bildergalerie

Bildergalerie mit 5 Bildern

Anwendungsfelder: Intern stark, extern vorsichtig

Deutsche Unternehmen setzen KI vor allem intern ein. 41,71 Prozent nutzen sie in Teams oder Prozessen – der höchste Wert im internationalen Vergleich. Auch bei Proofs-of-Concept liegt Deutschland mit 15,42 Prozent vorn. Beim Einsatz in Kundenprojekten hingegen ist Deutschland mit 20,09 Prozent Schlusslicht. Diese Zurückhaltung lässt sich als Ausdruck eines strukturierten, risikoaversen Innovationsverständnisses deuten: Unternehmen testen lieber intern, bevor sie KI extern skalieren.

Ergebnisse: Produktivität, Effizienz und Kundenzufriedenheit steigen

Viele Unternehmen berichten von messbaren Effekten durch KI-Projekte. Über 40 Prozent nennen gesteigerte Produktivität, operative Effizienz und schnellere Bearbeitung von Kundenanfragen. Auch Kundenzufriedenheit (37,73 Prozent) und Kosteneinsparungen (39,60 Prozent) steigen. Internationaler Spitzenreiter ist übrigens recht eindeutig Singapur mit rund 10 bis 15 Prozent höheren Ergebnissen in allen diesen Einsatzbereichen.

Investitionen: Deutschland investiert überdurchschnittlich stark

Bereits 2023 investierten über 50 Prozent der deutschen Unternehmen zwischen 10 und 50 Millionen US-Dollar in KI – ein überdurchschnittlicher Wert. Auch für 2025 sind hohe Investitionen geplant: 31 Prozent planen mit 20 bis 50 Millionen US-Dollar, 24 Prozent mit 10 bis 20 Millionen.

Das unterstreicht das strategische Gewicht, das KI in deutschen Unternehmen einnimmt – und die Bereitschaft, langfristig zu investieren.

Gewinnerwartungen: KI als Profitmotor

Ein Drittel der Befragten gibt an, dass KI bereits 2023 für über 50 Prozent des Gewinns verantwortlich war. Für 2025 erwarten dies rund 40 Prozent. Auch hier liegt Deutschland über dem internationalen Durchschnitt – ein klares Signal für die wirtschaftliche Relevanz von KI-Initiativen.

Ziele: Effizienz, Marge, Kundenzufriedenheit

Die wichtigsten Ziele beim KI-Einsatz: operative Effizienz (33,06 Prozent), Produktivitätssteigerung (28,97 Prozent), Gewinnmarge (27,34 Prozent) und Kundenzufriedenheit (26,05 Prozent). Diese Zielsetzung zeigt: KI wird nicht als Selbstzweck verstanden, sondern als Mittel zur Optimierung zentraler Geschäftskennzahlen.

Herausforderungen: Skalierung, Governance, Talente

Trotz aller Fortschritte bleibt die Skalierung eine Herausforderung. Nur 30 Prozent der technologisch fortgeschrittenen Unternehmen haben KI großflächig implementiert. Governance-Modelle fehlen oft, deren Aufbau dauert im Schnitt 18 Monate.

Auch der Fachkräftemangel bremst: 43 Prozent planen, bis 2025 KI-Experten einzustellen – besonders gesucht: ML- und KI-Fachleute.

Vier Erfolgsfaktoren für die KI-Transformation

Die deutschen Unternehmen befinden sich also längst im Prozess der KI-Transformation. Wie kann dieser Prozess gelingen? Von welchen Faktoren hängt er ab? Die Studie nennt vier zentrale Faktoren für die erfolgreiche KI-Transformation:

• 1. Menschen, Prozesse und Kultur: 65 Prozent der Disruptoren verfügen über die nötigen Fähigkeiten zur KI-Einführung. Entscheidend ist eine starke Führung, die Prioritäten klar formuliert.

• 2. Technologische Modernisierung: 31 Prozent der Führungskräfte sehen veraltete Systeme als ein Hindernis bei der KI-Implementierung. Entscheidend ist allerdings vielmehr die enge Abstimmung zwischen Business- und IT-Teams, damit eine Modernisierungsstrategie entworfen werden kann, die einen klaren organisatorischen Zweck erfüllt.

• 3. Sicherheit: Datenschutz, Datenqualität und Cloud-Sicherheit stehen ganz oben auf der Agenda. 35 Prozent der Unternehmen sehen fehlende Sicherheitsprogramme als größte Hürde bei der Modernisierung. KI-Anwendungen stellen hier ganz neue Anforderungen.

• 4. Governance und Verantwortung: 75 Prozent der fortgeschrittenen Unternehmen geben an, dass sie klare KI-Strategien entwickelt hätten. Jedoch verfügen nur vier Prozent der Disruptoren über umfassende Governance-Rahmenwerke. Deren Aufbau dauert im Schnitt 18 Monate – ein Indikator für die Komplexität regulatorischer Anforderungen.

Fazit: KI bringt Geschäftswert – aber nicht ohne klare Struktur

Die Studie zeigt: Der Einsatz von KI in deutschen Unternehmen ist keine Zukunftsmusik mehr. Wo Projekte intern getestet und strategisch an den Geschäftszielen ausgerichtet werden, steigt die Produktivität, Effizienz und Kundenzufriedenheit messbar. Doch viele Organisationen scheitern an der Skalierung – oft wegen fehlender Governance und überalterter IT-Strukturen. Drei Punkte gelten als zentral für eine erfolgreiche Transformation:

1. Ausrichtung der KI-Implementierung an den Kerngeschäftszielen

KI sollte strategisch auf die Unternehmensziele ausgerichtet werden, anstatt Geschäftsprozesse an die KI-Fähigkeiten anzupassen. So wird sichergestellt, dass Investitionen zu messbaren Ergebnissen und Wettbewerbsvorteilen führen. Unternehmen müssen hochwertige Anwendungsfälle identifizieren und diese für eine breite organisatorische Wirkung priorisieren, wie dies in ihren Engagements in Branchen wie Reise und Gastgewerbe zu beobachten ist.

2. Fokus auf interne KI-Einführung vor externer Skalierung

Deutsche Unternehmen erzielen die besten Ergebnisse, wenn sie KI zunächst intern einsetzen, um Produktivität, Effizienz und Kundenzufriedenheit zu verbessern. Erst nach erfolgreichen internen Proofs of Concept sollten Unternehmen KI-Lösungen für externe Kundenprojekte skalieren.

3. KI-Governance und Datenethik frühzeitig verankern

Die frühzeitige Einführung solider KI-Governance-Rahmenwerke ist entscheidend für den langfristigen Erfolg. Eine frühzeitige Governance stellt sicher, dass Themen wie Datenschutz, Bias und Compliance vor der Skalierung geklärt werden, wodurch das Risiko kostspieliger Nacharbeiten oder Reputationsschäden verringert wird. Durch die Implementierung von Governance- und Ethikstandards von Anfang an können Unternehmen Vertrauen aufbauen, die Einhaltung gesetzlicher Vorschriften sicherstellen und KI mit größerer Zuversicht einsetzen. Diese proaktive Haltung ist besonders wichtig in Deutschland, wo Risikoaversion und strenge Regulierung weit verbreitet sind und Unternehmen von klaren, transparenten KI-Richtlinien profitieren.

Die große Aufgabe besteht darin, KI über die gesamte Wertschöpfungskette hinweg auf die Unternehmensziele auszurichten, um das Umsatzwachstum zu steigern und das Kundenerlebnis zu verbessern. Dies erfordert eine klare strategische Priorisierung, eine erfolgreiche organisatorische Koordination und eine verantwortungsvolle Umsetzung. Deutschland hat das Potenzial, hier eine Vorreiterrolle zu übernehmen – wenn es gelingt, die vorhandene Innovationskraft in eine breite Skalierung zu übertragen.

Über den Autor

Jonas Arslan ist Director of Data & AI Consulting bei EPAM Systems Inc. Er verfügt über umfangreiche Erfahrung in den Bereichen Datenstrategie, KI-Einführung und Implementierung von groß angelegten Analyse- und Datenmanagementarchitekturen, insbesondere in der Fertigungs- und Automobilbranche. Bei EPAM leitet Arslan den Bereich Data & AI Consulting in Deutschland, wo er sich auf die Bereitstellung fortschrittlicher Analyse- und generativer KI-Lösungen konzentriert, die den Geschäftswert für Unternehmenskunden steigern.

(ID:50499363)